03081nam a2200241 a 450000100080000000500110000800800410001902200140006010000260007424501540010026000390025430000100029349000720030352022970037565000220267265000110269465000130270570000250271870000280274370000320277170000140280370000220281721502012022-12-21       2022    bl uuuu      00u1 u    #d  a1983-04671 aSILVEIRA, M. C. T. da  aAprendizado de máquina com base na resposta espectral de imagens aéreas obtidas por VANTs e aplicado no manejo de pastagens.h[electronic resource]  aBagé: Embrapa Pecuária Sulc2022  a59 p.  a(Embrapa Pecuária Sul. Boletim de pesquisa e desenvolvimento, 51).  aResumo ? O monitoramento de áreas agrícolas tem sido beneficiado com a evolução das novas tecnologias de sensoriamento remoto. O advento dos veículos aéreos não tripulados (VANTs) revolucionou o mundo do sensoriamento remoto nos últimos anos. Progressivamente, o custo dos equipamentos está se tornando mais acessível, permitindo aos profissionais ampliar a sua gama de atuação e fornecer produtos de melhor qualidade para escalas maiores. Essas novas tecnologias aliadas a técnicas tradicionais de monitoramento de pastagens podem prover ganhos do ponto de vista operacional ao produtor rural. Sendo assim, o objetivo do presente trabalho foi avaliar o uso de imagens de VANT para estimar e monitorar a cobertura e altura do pasto. As imagens utilizadas foram capturadas na área experimental da Fazenda Trijunção, localizada em Cocos, Bahia. Relacionou-se o comportamento espectral de imagens RGB com 3 classes de cobertura do solo em áreas sob pastejo (pré-pastejo, em pastejo e pós-pastejo), além de uma classe de solo exposto, em diferentes épocas, durante dois anos. Adicionalmente relacionou-se a altura de planta medida em campo com as bandas da imagem RGB. No software R Studio o banco de dados foi dividido em conjuntos de treinamento e validação, com a relação de 75% e 25%, respectivamente. Considerando todo o conjunto de dados, o modelo ajustado alcançou 66% de exatidão e índice Kappa 0,53 na predição das 4 classes, sendo 3 dessas relativas às classes de manejo de pastagem e 1 de solo exposto. Quando avaliado apenas as imagens do período seco do ano, o modelo ajustado alcançou 68% de exatidão e índice Kappa de 0,56. Já o conjunto de dados do período chuvoso apresentou 70% de exatidão e índice Kappa de 0,58. Ao aplicar o modelo em novos conjuntos de imagens observou-se índice de assertividade satisfatório ao analisar as classes de manejo com base na cobertura do solo e a altura do dossel medidas em campo. Os resultados demonstram o potencial da rotina de processamento implantada para o processamento em imagens de VANT, via aprendizado de máquina, como ferramenta auxiliar no manejo de pastagens. Proporciona também uma solução em tempo reduzido para a avaliação e manejo de áreas de pastagens de diferentes dimensões.  aAerofotogrametria  aManejo  aPastagem1 aALMEIDA, P. H. A. de1 aANDRADE, C. V. P. de A.1 aALBUQUERQUE FILHO, M. R. de1 aBREMM, C.1 aSANTOS, F. C. dos